一、創(chuàng)建TensorRT有以下幾個步驟：

1.用TensorRT中network模塊定義網(wǎng)絡(luò)模型
2.調(diào)用TensorRT構(gòu)建器從網(wǎng)絡(luò)創(chuàng)建優(yōu)化的運(yùn)行時引擎
3.采用序列化和反序列化操作以便在運(yùn)行時快速重建
4.將數(shù)據(jù)喂入engine中進(jìn)行推理

二、Python api和C++ api在實(shí)現(xiàn)網(wǎng)絡(luò)加速有什么區(qū)別？

個人看法
1.python比c++更容易讀并且已經(jīng)有很多包裝很好的科學(xué)運(yùn)算庫（numpy，scikit等）,
2.c++是接近硬件的語言，運(yùn)行速度比python快很多很多，因?yàn)閜ython是解釋性語言c++是編譯型語言

三、構(gòu)建TensorRT加速模型

 3.1 加載tensorRT

1.import tensorrt as trt
2.為tensorrt實(shí)現(xiàn)日志報(bào)錯接口方便報(bào)錯，在下面的代碼我們只允許警告和錯誤消息才打印，TensorRT中包含一個簡單的日志記錄器Python綁定。

TRT_LOGGER = trt.Logger(trt.Logger.WARNING)

3.2 創(chuàng)建網(wǎng)絡(luò)

簡單來說就是用tensorrt的語言來構(gòu)建模型，如果自己構(gòu)建的話，主要是靈活但是工作量so large，一般還是用tensorrt parser來構(gòu)建
（1）Caffe框架的模型可以直接用tensorrt內(nèi)部解釋器構(gòu)建
（2）除caffe，TF模型以外其他框架，先轉(zhuǎn)成ONNX通用格式，再用ONNX parser來解析
（3）TF可以直接通過tensorrt內(nèi)部的UFF包來構(gòu)建，但是tensorrt uff包中并支持所有算子
（4）自己將wts放入自己構(gòu)建的模型中，工作量so large，但是很靈活。

3.3 ONNX構(gòu)建engine

因?yàn)椴┲饔玫腛NNXparser來構(gòu)建engine的，下面就介紹以下ONNX構(gòu)建engine，步驟如下：
（1）導(dǎo)入tensorrt

import tensorrt as trt

（2）創(chuàng)建builder，network和相應(yīng)模型的解釋器，這里是onnxparser

EXPLICIT_BATCH = 1 << (int)
(trt.NetworkDefinitionCreationFlag.EXPLICIT_BATCH)
with builder = trt.Builder(TRT_LOGGER) as builder,
	builder.create_network(EXPLICIT_BATCH) as network, trt.OnnxParser(network,
 TRT_LOGGER) as parser:
with open(model_path, 'rb') as model:
parser.parse(model.read())

這個代碼的主要意思是，構(gòu)建報(bào)錯日志，創(chuàng)建build，network和onnxparser，然后用parser讀取onnx權(quán)重文件。

3.3.1 builder介紹

builder功能之一是搜索cuda內(nèi)核目錄，找到最快的cuda以求獲得最快的實(shí)現(xiàn)，因此有必要使用相同的GPU進(jìn)行構(gòu)建（相同的操作，算子進(jìn)行融合，減少IO操作），engine就是在此基礎(chǔ)上運(yùn)行的，builder還可以控制網(wǎng)絡(luò)以什么精度運(yùn)行（FP32,FP16,INT8），還有兩個特別重要的屬性是最大批處理大小和最大工作空間大小。

builder.max_batch_size = max_batch_size
builder.max_workspace_size = 1 << 20

3.3.2序列化模型

序列化和反序列化模型的主要是因?yàn)閚etwork和定義創(chuàng)建engine很耗時，因此可以通過序列化一次并在推理時反序列化一次來避免每次應(yīng)用程序重新運(yùn)行時重新構(gòu)建引擎。
note：序列化引擎不能跨平臺或TensorRT版本移植。引擎是特定于它們所構(gòu)建的GPU模型(除了平臺和TensorRT版本)
代碼如下：

#序列化模型到模型流
serialized_engine = engine.serialize()
#反序列化模型流去執(zhí)行推理，反序列化需要創(chuàng)建一個運(yùn)行時對象
with trt.Runtime(TRT_LOGGER) as runtime:
	engine = runtime.deserialize_cuda_engine(serialized_engine)
#也可以將序列化模型write
with open(“sample.engine”, “wb”) as f:
	f.write(engine.serialize())
#然后再讀出來進(jìn)行反序列化
with open(“sample.engine”, “rb”) as f, trt.Runtime(TRT_LOGGER) as runtime:
	engine = runtime.deserialize_cuda_engine(f.read())

3.3.3執(zhí)行推理過程

note：下面過程的前提是已經(jīng)創(chuàng)建好了engine

# 為輸入和輸出分配一些主機(jī)和設(shè)備緩沖區(qū):
#確定尺寸并創(chuàng)建頁面鎖定內(nèi)存緩沖區(qū)
h_input = cuda.pagelocked_empty(trt.volume(engine.get_binding_shape(0)),dtype=np.float32)
h_output =cuda.pagelocked_empty(trt.volume(engine.get_binding_shape(1)),dtype=np.float32)
#為輸入和輸出分配設(shè)備內(nèi)存
d_input = cuda.mem_alloc(h_input.nbytes)
d_output = cuda.mem_alloc(h_output.nbytes)
#創(chuàng)建一個流，在其中復(fù)制輸入/輸出并運(yùn)行推斷
stream = cuda.Stream()

# 創(chuàng)建一些空間來存儲中間激活值，因?yàn)閑ngine保存了network定義和訓(xùn)練時的參數(shù)，這些都是構(gòu)建的上下文執(zhí)行的。
with engine.create_execution_context() as context:
 	# 輸入數(shù)據(jù)傳入GPU
	cuda.memcpy_htod_async(d_input, h_input, stream)
 	# 執(zhí)行推理.
 	context.execute_async(bindings=[int(d_input), int(d_output)],
 	stream_handle=stream.handle)
 	# 將推理后的預(yù)測結(jié)果從GPU上返回.
 	cuda.memcpy_dtoh_async(h_output, d_output, stream)
 	# 同步流
 	stream.synchronize()
 	# 返回主機(jī)輸出 
	return h_output

note：一個engine可以有多個執(zhí)行上下文，允許一組權(quán)值用于多個重疊推理任務(wù)。例如，可以使用一個引擎和一個上下文在并行CUDA流中處理圖像。每個上下文將在與引擎相同的GPU上創(chuàng)建。

到此這篇關(guān)于Python api構(gòu)建tensorrt加速模型的文章就介紹到這了,更多相關(guān)Python api tensorrt加速模型內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論